Yolos Small Finetuned License Plate Detection

🚀 YOLOS (小型) モデル

このモデルは、Roboflowのライセンスプレート認識データセット（トレーニングセットに5200枚、検証セットに380枚の画像が含まれる）でhustvl/yolos-smallをファインチューニングしたバージョンです。元のYOLOSモデルは、COCO 2017物体検出（118k枚の注釈付き画像）でファインチューニングされています。

🚀 クイックスタート

このモデルは物体検出に使用できます。利用可能なすべてのYOLOSモデルを探すには、モデルハブを参照してください。

✨ 主な機能

YOLOSは、DETR損失を使用してトレーニングされたVision Transformer (ViT) です。シンプルな構造であるにもかかわらず、ベースサイズのYOLOSモデルはCOCO 2017検証セットで42 APを達成することができます（DETRやFaster R-CNNなどのより複雑なフレームワークと同等）。

📦 インストール

このモデルを使用するには、必要なライブラリをインストールする必要があります。以下のコマンドを使用してください。

pip install transformers requests pillow

💻 使用例

基本的な使用法

from transformers import YolosFeatureExtractor, YolosForObjectDetection
from PIL import Image
import requests

url = 'https://drive.google.com/uc?id=1p9wJIqRz3W50e2f_A0D8ftla8hoXz4T5'
image = Image.open(requests.get(url, stream=True).raw)
feature_extractor = YolosFeatureExtractor.from_pretrained('nickmuchi/yolos-small-finetuned-license-plate-detection')
model = YolosForObjectDetection.from_pretrained('nickmuchi/yolos-small-finetuned-license-plate-detection')
inputs = feature_extractor(images=image, return_tensors="pt")
outputs = model(**inputs)

# モデルはバウンディングボックスと対応する顔マスク検出クラスを予測します
logits = outputs.logits
bboxes = outputs.pred_boxes

現在、特徴抽出器とモデルの両方がPyTorchをサポートしています。

📚 ドキュメント

モデルの説明

YOLOSは、DETR損失を使用してトレーニングされたVision Transformer (ViT) です。シンプルな構造であるにもかかわらず、ベースサイズのYOLOSモデルはCOCO 2017検証セットで42 APを達成することができます（DETRやFaster R-CNNなどのより複雑なフレームワークと同等）。

想定される用途と制限

このモデルは物体検出に使用できます。利用可能なすべてのYOLOSモデルを探すには、モデルハブを参照してください。

トレーニングデータ

YOLOSモデルは、ImageNet-1kで事前トレーニングされ、COCO 2017物体検出データセット（トレーニングに118k枚、検証に5k枚の注釈付き画像）でファインチューニングされています。

トレーニング

このモデルは、ライセンスプレート認識データセットで200エポックファインチューニングされています。

評価結果

このモデルは、平均精度 (AP) で49.0を達成しています。

評価結果の蓄積中...

IoUメトリック: bbox

🔧 技術詳細

• モデルタイプ：YOLOS（小型）
• トレーニングデータ：Roboflowのライセンスプレート認識データセット、COCO 2017物体検出データセット、ImageNet-1k
• 評価指標：平均精度 (AP)、再現率 (AR)、IoU